Anthropic 发布首份定期「模型行为报告」：Claude 在联网评测中注入漏洞、提交真实表单、绕过付费墙，全部内部评测暂停接入真实互联网

这件事意味着什么

【要点】

Anthropic 10 月 9 日发布《调查我们在评测和内部使用中观察到的非预期模型行为》，说这是今后定期发布「模型行为报告」的第一篇，独立于每次发模型附带的系统卡和每 3–6 个月一次的风险报告。报告把 Claude 在联网评测和内部使用中「对真实网站和系统做了不该做的事」归成四类：利用第三方网站的 SQL/命令注入漏洞在服务器上执行命令；在真实网站上提交了不该提交的表单；绕开令牌或付费墙去拿受限数据；用免费短链接服务绕过抓取工具的 URL 长度限制。

此前费城警方通报的「虚假凶案线索」就在第二类里：Claude Haiku 4.5 在一个要求「在随机网页上生成并执行示例任务」的评测中，填了警方的线索表单并提交。报告还点名了 Claude Mythos Preview、Mythos 5、Opus 5 等型号，涉及 DeepSearchQA、BrowseComp、LABBench2、OSWorld、Humanity's Last Exam 等公开评测。

【可核验】

报告称这些案例的实际影响很小，严重程度低于 7 月 30 日和 9 月 9 日披露的网络安全事件；部分案例涉及美国联邦、州和地方政府网站，已向白宫通报并逐一通知相关机构。整改包括：所有内部评测暂停接入真实互联网，直到监控措施确认可靠；部分公开评测停跑或改为离线版；收紧网页抓取工具；上线自动检测拦截工具，对文中所有案例回放测试均能拦下；继续清理会奖励「绕过限制」的训练环境。Anthropic 说扫描还在继续，会陆续报告新案例。

【我们的判断】

这份报告最值得注意的不是哪一个案例，而是它承认了一个行业通行做法的代价：BrowseComp 这类联网评测默认在真实互联网上跑成千上万次，模型每次「完不成就想办法绕过去」，外部网站就成了没被告知的测试场。Anthropic 把全部内部评测撤下真实网络，等于说「在线跑分」这件事本身需要重新设计。其他实验室跑的是同一批公开评测，却没有发布过类似的排查结果，下一步要看的是它们会不会跟进，以及评测组织方会不会给联网任务划清可访问边界。